На сьогоднішній відкритій сесії ми провели аналіз застосування систем impact evaluator або block reward type для 2 доменів: академічні публікації та навколишнє середовище Ми вивели 5 корисних функцій в їх конструкції 1. Усі функції оцінювача впливу вимагають надійної перетворення на взаємозамінність Хеш-потужність для btc, сховище для fil і т.д. - це чіткі математичні функції, що дозволяють видавати проти деякої формули Але люди купуються на емісію лише в тому випадку, якщо приймають її нейтралітет. Наприклад, вуглецеві кредити взаємозамінні, але багато забруднювачів вугілля використовують трохи кращі технології та отримують кредити, тому це не зовсім вірогідно 2. Якщо їх правильно отримати, системи оцінки впливу стають ручками, за допомогою яких ми можемо вирівняти довгострокових акторів навколо ідеального результату, якого ми хочемо. Це також мають бути показники, які важко отримати, але які легко перевірити, подібно до btc або ємності сховища 3. Ми хочемо в ідеалі спочатку вирішити якусь проблему на місцевому рівні на кшталт «чи достатньо цього документа для прийняття на конференції?» І зробити ці внески в більш глобальні проблеми, такі як «чи має конференція великий вплив», «наскільки хорошим є дослідник, що вимірюється його публікацією на хороших конференціях?» 4. Ми хочемо, щоб оцінювачі впливу були системами, що самомодернізуються, інакше вони можуть закостеніти на бастіони влади Хорошим прикладом є реалізація множинності в нотатках спільноти або кластерному QF. Якщо 2 людини зазвичай не згодні, але тепер погоджуються, це має більшу вагу. Але якщо наступного разу вони знову погодяться, це матиме меншу вагу з того часу, як минулого разу вони голосували разом 5. Нарешті, ми маємо оцінювачі впливу як жорсткі математичні функції, які вивільняють деякі викиди проти більш м'яких та ірраціональних сил, таких як ринкові ціни цієї валюти, які потрібно зіставити одна проти одної
Devansh Mehta
Devansh Mehta29 лип. 2025 р.
Яка чудова перша презентація на науковому ретриті одного з учасників з теорії керування Він керував кількісною фірмою, повною математиків, тому йому потрібно було точно визначити структуру бонусів на основі прибутку, отриманого трейдерами Це було дуже технічно, тому багато чого з цього пройшло через мою голову, але деякі ключові моменти я все ж зрозумів; 1. Ми повинні конвертувати глобальні проблеми (наприклад, скільки ця людина внесла в компанію) в локальні (хто і на скільки відповідав за цю торгівлю на $100) 2. Відокремлюємо оцінку або з'ясування ваг від контролю або визначення виплат за отриманими параметрами 3. Для контрольних питань ми переходимо від структури графіка до матриці, роблячи всю задачу розподілу більш розв'язною Багато з того, що ми обговорювали, було дуже актуальним для глибокого фінансування. Мої 2 ключі винесли - Якщо частини матриці незаповнені, чи можемо ми використовувати дистильоване людське судження для оцінки їхніх відповідей? - Якщо глибоке фінансування – це не стільки деревоподібна структура, скільки спрямований ациклічний граф, то чи можна застосувати алгоритми рекомендацій для отримання ваг між репозиторіями?
15,16K